DACHSER tworzy centrum kompetencyjne nauki o danych i uczenia maszynowego
W powołanym przez DACHSER nowym wewnętrznym Centrum Kompetencji Data Science & Machine Learning od początku czerwca operator logistyczny gromadzi wiedzę specjalistyczną z prowadzonych projektów badawczych i wdrażanych innowacji dotyczących sztucznej inteligencji, uczenia maszynowego i nauki o danych.
Sztuczna inteligencja (ang. artificial intelligence, AI) sprawdziła się w różnego rodzaju projektach i zastosowaniach w sieci DACHSER przynosząc wiele korzyści i przyczyniając się do zwiększenia wydajności. „W najbliższych latach znaczenie sztucznej inteligencji, uczenia maszynowego i nauk o danych dla transportu, logistyki i zarządzania łańcuchem dostaw będzie nadal rosło. Dlatego pracujemy nad tym, aby umocnić swoją wiedzę w tej ważnej dziedzinie i rozszerzyć swoje możliwości w zakresie wdrażania oraz obsługi aplikacji uczenia maszynowego" – powiedział Stefan Hohm, Chief Development Officer (CDO) w DACHSER. W tym celu powstało Centrum Kompetencji Data Science & Machine Learning DACHSER, którego zadaniem jest integracja i transfer wiedzy wewnątrz organizacji.
DACHSER codziennie wytwarza duże ilości danych, które stanowią podstawę do rozwoju i wykorzystania technologii AI. „W przyszłości będziemy jeszcze lepiej wykorzystywać dane: pomogą nam one znaleźć i wdrożyć nowe rozwiązania w różnych obszarach naszej działalności” – zapowiedział Florian Zizler, Team Leader Competence Center Data Science & Machine Learning w DACHSER.
Sztuczna inteligencja wspiera analizy prognostyczne
Jednym z przykładów wykorzystania kompetencji nowo utworzonego centrum w praktyce jest stworzony przez DACHSER Enterprise Lab model prognostyczny wykorzystujący algorytmy uczenia maszynowego do przewidywania liczby przesyłek przychodzących dla danego oddziału z wyprzedzeniem do 25 tygodni. „Nasze dane historyczne sięgają aż 2011 roku. Koncentrujemy się na tych, dotyczących przesyłek. Uzupełniamy tę bazę o dodatkowe informacje, takie jak święta państwowe czy wakacje. Dzięki temu model jest w stanie rozpoznać wzorce sezonowe, które są tak ważne w transporcie drogowym. Żeby jeszcze lepiej przewidywać trendy, dodaliśmy również szeroki zakres wskaźników ekonomicznych" – powiedział Florian Zizler. Dzięki temu DACHSER może zapewnić pracownikom swoich oddziałów cenne wsparcie przy podejmowaniu decyzji związanych z planowaniem zdolności operacyjnych w szczytach sezonów i zapewnieniem płynności funkcjonowania terminalu przeładunkowego. „Wyzwaniem dla prognoz bazujących na wartościach historycznych było poradzenie sobie z wahaniami wolumenu oraz pandemią koronawirusa. Jednak jesteśmy optymistami i spodziewamy się, że wkrótce nasze prognozy powrócą do swojej zwyczajnej, wysokiej jakości” – powiedział Team Leader Competence Center Data Science & Machine Learning w DACHSER.